南亚家庭暴力调查样本选择的画像式审计
研究利用南亚5国79.6万女性DHS数据,通过机器学习审计家庭暴力模块的样本选择偏差。 最佳模型HistGradientBoosting在主要采样单元感知的验证下,ROC-AUC达0.9167。女性个体特征贡献了最大的预测增益,而国家间可迁移性有限。 该方法证明了可解释机器学习可用于敏感调查模块的覆盖差异审计。
研究利用南亚5国79.6万女性DHS数据,通过机器学习审计家庭暴力模块的样本选择偏差。 最佳模型HistGradientBoosting在主要采样单元感知的验证下,ROC-AUC达0.9167。女性个体特征贡献了最大的预测增益,而国家间可迁移性有限。 该方法证明了可解释机器学习可用于敏感调查模块的覆盖差异审计。
Qwen2.5 和 Qwen3 系列模型研究表明,匹配 SFT 与 RL 的正确 rollout 数量及总预算可显著提升 SFT 泛化能力,结合数据混合与规模优势可使 SFT 泛化表现优于 RL。
OSI 在 Raleigh 和 Barcelona 举办首批开源 AI 沙龙,旨在通过跨领域协作探讨开源 AI 定义(OSAID)的未来与实践应用。 Hugging Face 上的 AI 模型数量已从 2024 年的约 100 万增至目前的 300 万以上,更多模型开始采用 MIT 和 Apache 2.0 等 OSI 批准许可证。
Unemployment Labs 的取证分析表明,DeepSeek、Moonshot AI、MiniMax 和 Ant Group 发布的六款 2026 年模型在初始化阶段使用了受出口管制的 NVIDIA Blackwell 硬件。通过比对这些模型公开的权重与 PyTorch 随机数生成模式,研究人员识别出与 Blackwell 芯片架构匹配的数字指纹,相关置信度最高达到 1385 sigma。
推荐理由:报告通过模型权重的随机数生成模式,提供了中国AI实验室访问受限硬件的技术证据,读者可据此理解相关指控的背景与验证方法。
SoftBank 季度亏损 71 亿美元,其中超半数源于发电设备相关损失。由于涡轮机订单交付周期延长至 2030 年代初且 AI 数据中心对电力的实际需求低于预期,该公司此前超额预订涡轮机的非退款押金基本归零。多位分析师指出,相比于天然气,电网连接结合大型电池储能可能是数据中心更稳健、更具成本效益的供电方案。
长鑫科技 DDR5 颗粒完成 24Gb 至 32Gb 迭代,MRDIMM 最高速率达 12800Mbps。 RDIMM 覆盖 32GB–128GB 容量,MRDIMM 兼容 287-pin 插槽,支持 128GB、192GB 模组。 受 AI 需求驱动,长鑫预计四季度营收保持增长,DRAM 供不应求态势延续。
Google 1000万美元收购已破产 Spirit Airlines 数据案获航空工会撤回异议。Google 承诺排除员工医疗、药检及薪资记录。 数据包含5亿条 Microsoft Teams 聊天和1亿封邮件,此前法院调解人已支持移除9700万客户数据后的交易。 交易为破产公司内部通信成为 AI 训练数据确立先例。
支持文本、图像、视频和音频模型,输出 2/3/4-bit GGUF 格式,兼容 llama.cpp、vLLM 及昇腾芯片。其困惑度指标优于 MR-GPTQ 和 DuQuant++,量化速度提升至 11 倍。
长鑫科技副总裁骆晓东指出,内存需求进入“分层时代”,服务器市场需求占比已超 50%,其高端存储和高性能芯片需求走高。 他提出内存应关注容量、带宽、写入率、访问粒度和延迟五个核心维度,行业预测 2024-2031 年全球 AI 算力年均增速达 96.1%。 受 AI 应用驱动,DRAM 供不应求态势延续,长鑫科技预计四季度营收将继续保持增长。
重庆市印发行动计划,力争 2028 年全市可调度智算规模超 10 万 PFLOPS。 计划将围绕城市治理等领域构建词元试验场,重点打造 20 个以上词元创新平台及 40 个以上行业垂类模型集群。 该行动旨在带动数据产业产值年均复合增长率达 10% 以上。
在2×24×24特质SFT溢出实验中,Quine是表现最好的外部参与者,显著优于随机猜测。 其预测矩阵因保留672个空白单元格,在计分为零规则下排名虽降,但仍高于多数第三方提交者。 该结果基于SPAR小组的实验数据与特定评分规则得出。
AI 基础设施巨额投资面临落地挑战,本地反对与电力短缺叠加导致部分项目停滞。Ascend Analytics 资深董事 Brent Nelson 在 TechCrunch Equity 播客中区分了可落地与投机性数据中心项目。
Reddit 正计划推行主要基于登录的浏览体验,此举主要源于 AI 大规模抓取数据、AI 搜索直接给出答案导致搜索流量下滑以及广告货币化的需求。Discourse 指出,对于其 B2B 客户而言,AI 即使直接提供答案且用户未产生点击,也能有效解决用户问题并减少工单,因此这种交互对其商业模式是成功的。
谷歌 DeepMind 发布了新 AI 模型 AlphaGenome 2,该模型能解析 DNA 变化对不同细胞的影响。基于超过 1 亿个细胞档案和 68 种组织进行训练,该模型在识别能改变基因表达的变异方面,表现几乎达到了其前身及先有技术的两倍水平。谷歌表示,AlphaGenome 2 现可通过 AlphaGenome API 用于非商业研究,商业化研究则提供有限的“私人预览”。
Draw Things 团队复盘了端侧 LLM 预填的工程踩坑。测试发现 INT8 混合精度注意力在长序列上会显著影响准确性;针对形状动态变化重写 kernel 导致小 GEMM 性能下降超 25%;而将 MoE 权重按需加载 SSD 在短 chunk 时存在 4-5 倍延迟惩罚。
开发者发布Blobcap工具,追踪AI实验室的数据采购交易价格,目前共记录51笔交易,其中19笔披露了具体金额。数据显示,2024年5月News Corp与OpenAI达成了为期5年、总额2.5亿美元的新闻内容授权协议;2024年5月Reddit与OpenAI达成每年7000万美元的论坛及问答数据交易。
Plurai 融资 1300 万美元,利用合成数据仿真技术训练 AI 智能体。 LiveBench 2.0 显示前沿模型在复杂任务中失败率高,Plurai 通过构建数字孪生解决边缘案例问题。 该技术可低成本微调开源模型,超越中端前沿模型,适配企业特定业务逻辑。
ChinaTalk 调查发现,包括 Mercor、Surge AI、AfterQuery 和 Turing 在内的至少 9 家美国数据公司向中国 AI 实验室销售约 5 亿美元的强化学习(RL)训练环境,如编码、金融分析和办公模拟世界。
Alterra Labs 完成 1250 万美元种子轮融资,由 Oak HC/FT 领投,用于构建模拟医疗环境让临床医生设计任务并评估模型。 CEO 指出当前模型虽能操作临床软件,但不知何时不应为患者行动,Stanford 的 PhysicianBench 也证实了这一差距。
Memories.ai 推出 Memories Upload 平台,向零工支付报酬以录制烹饪、理货等任务的第一人称视频。 用户佩戴可配对实现立体深度捕捉的 45g 以下 LUCI Pin 相机。 平台测试首月记录超 100 万小时,目标至 2027 年 3 月达 1000 万小时,以缓解机器人数据瓶颈。
自然资源部与国家发展改革委近日发布实施意见,计划到 2030 年集成打造智能化国土空间治理基础平台,使关键核心技术与智能装备实现安全可控。 意见提出统筹布局五个人工智能中试平台,覆盖时空地理信息等五个方向,并推出涵盖“天空地海网”一体化监测等八大示范场景。 到 2030 年,自然资源数智化治理水平总体达到国际领先,人工智能成为引领生态文明建设与高质量发展的重要引擎。
AI 数据中心挤占成熟制程产能,汽车芯片供应链面临瓶颈。据路透社报道,安世半导体临时首席执行官斯特凡·蒂尔格在 Electronica 电子展上表示,随着供应商将产能转向 AI 数据中心,汽车行业正受到相当严重的冲击,部分竞争对手已将产能从通用型半导体转移出去。
Apple 子公司 Claris 正在测试名为 Harbor 的应用,可将 Apple Silicon Mac 变身为私有 AI 推理服务器,运行开源权重模型且数据不离开硬件。 该应用支持通过 Thunderbolt 5 连接多台 Mac 以聚合统一内存,运行更大模型并提升并发处理能力,无需手动配置。 Harbor 目前处于早期访问阶段,未公开可用,注册页面要求填写公司名称,暗示其面向企业用户。
研究对语音转SFT流水线进行因子消融,验证各阶段边际价值。 基于2x2设计生成韩医金融QA数据,微调9个LLM(2.4B-70B)。四项LLM评判显示质量提升,但MCQA增益不显著。正向迁移集中于匹配模型-领域对。 6名专家确认全流程质量更高。Whisper-medium替换验证鲁棒性。开源代码及检查点。
UTF-8 编码因其变长设计引入跨语言不平等,其影响研究不足。作者提出混合编码 Aether,针对格鲁吉亚语等 4 种语言建模。结果显示信息密集语言(中、韩)受益于压缩编码,而格鲁吉亚语等低信息量字符语言对编码选择不敏感。 研究表明文本编码应作为语言特定决策,而非通用默认标准。
论文提出 SMCT 模型,通过单一固定长度整数序列识别大语言模型,51 类闭集测试准确率达 92.72%。 NumPrint 基准包含 51 个模型在 1 至 355 整数间生成的 5036 条响应;增加至 4 条响应时准确率升至 97.12%。 该研究为 API 实际响应模型与声明模型一致性的验证提供了有效方法。
Alania-2 是一款 488M 参数的土耳其语 TTS 系统,支持即时与微调语音克隆。 该模型基于 18,195 小时音频训练,在 Freya-TR-Eval 基准上词错误率为 1.44%,推理首音频延迟降至 32ms。 团队开源了评估框架及三个土耳其语音和文本数据集。
LLM 验证使最小对基准测试对语言模型更易通过。在 BLiMP 和 QFrBLiMP 数据集中,10 个开源大语言模型(LMs)在预注册 LLM 过滤器标记的项上比接受的项难 18.9 分,且所有 70 种 LM-验证器组合均显示标记项更难。该过滤去除了 LMs 失败但人类未失败的项目,使准确率提升超过随机去除。
研究人员发布StakeBench评估框架,将560,876条评论与Polymarket及Manifold的市场数据挂钩,通过四组诊断任务测试模型对市场承诺的识别能力。
OmniReview 包含 202,756 条经核实的评审记录,并提出了 Pro-MMoE 框架。 该框架结合 LLM 语义画像与 Task-Adaptive MMoE 架构,在 7 项指标中的 6 项上取得了 SOTA 性能。 Pro-MMoE 为现实评审员推荐树立了新的基准,解决了嵌入方法的语义压缩瓶颈。
研究提出基于个体因素的标注指南,解决个体级 NLU 任务标签错误率高问题。 在立场检测和主题情感分析数据集中,原始标签错误率分别高达 31.7% 和 23.3%。 利用 GPT-4o 和 Llama3-70B 实验发现,加入个体因素后两模型准确率均超 87%。该论文获 ASONAM 2026 最佳论文奖。
研究者提出一种新的离散变分推断框架,在低数据量设置下实现了最高的预测准确率,超越了所有经典 IRT 和矩阵分解基线模型。 该框架基于项目反应理论,在预测学生数学考试答案正确性时准确率超过 80%,并发布了迄今最大的专业标记正式数学考试作答开放数据集。
summary_zh: 在部分指定的因果图中,do-calculus对于识别C-DMG over ADMGs中的宏观因果效应是完备且健全的,当簇大小未知或大于1时成立。
研究团队利用 IBM Heron 处理器,在 46 和 70 量子比特规模下通过 $1.2 \times 10^8$ shots 训练生成式量子本征求解器(GQE)策略,实现基于样本的量子对角化。
提出 MOAI 框架,通过列与对角线打包及免旋转算法,在 BERT-base 推理中实现比 SOTA 低 1.7 倍以上的 HE 旋转次数。 结合 Softmax 和 LayerNorm 优化,较 THOR 减少 52.8% 评估时间,单 GPU 单输入摊销耗时 2.36 分钟,代码已开源。
Havon v5 分词器在204种语言中表现优于 GPT-4o o200k_base,其中印度25种语言所需 token 数为 GPT-4o 的中位数 0.74。 该分词器采用多词训练阶段,在 GPT-4o 同词汇量下比 GPT-4o 少用 6.1% 的 token,且在英语中需 0.94 倍 token 数。 目前结果仅展示压缩效率,尚未评估使用 v4 或 v5 训练的语言模型性能。
Qwen3-0.6B 模型通过监控熵值或 margin 触发权重精度从 4-bit 升级至 8-bit 的自适应解码,在 GSM8K 测试中 15% 升级预算下捕获 94% 的 top-2 翻转。
LM-SimBench 提出 LLM 训练模拟器的统一评估框架、剖析数据集及基准,支持预测精度比较与配置选择评估。 框架分解模拟阶段,在 Ascend NPU 集群剖析 10 个 LLM 家族的 23 种设置,生成 348 种可行配置。 匹配 GPU-NPU 实验验证跨平台适用性,支持 NPU 指导的 GPU 配置选择。
SeqFold 提出一种压缩状态接口,利用学习式多通道融合、通道级时间衰减和 Lookup-Free Quantization (LFQ),将冻结主干网络的多层用户状态导出为紧凑离散编码。 该方法结合任务特定解码器生成嵌入空间,并在大规模专有数据集上验证,每状态表示存储量减少 3,400 倍,同时保留了未压缩模型的大部分下游排序性能。
WoW 是一项基于教育知识图谱构建的大规模数据集,专为大语言模型全生命周期训练设计。 该语料库系统性地补充了各级别缺失的教育模块,支持多模态信号,并在多种评测基准上显著提升了模型性能。 作者提供交互式平台支持基于图谱的数据选择与检索,以促进社区研究。